衛(wèi)星 周瑜龍 周游

摘 要： 圖像測(cè)量方法具有非接觸性、信息量豐富、動(dòng)態(tài)范圍大等一系列優(yōu)點(diǎn)，成為易變形零件尺寸、零件孔心距等自動(dòng)測(cè)量常用的手段。在此詳細(xì)介紹基于CCD圖像高精密微小零件尺寸檢測(cè)系統(tǒng)，提出采用數(shù)字圖像技術(shù)對(duì)微小零件尺寸實(shí)施非接觸性測(cè)量法，主要由圖像采集、二值化、邊緣檢測(cè)、軟件設(shè)計(jì)等組成，從而獲得被檢測(cè)物體精確的參數(shù)值，并通過(guò)微小齒輪中心孔直徑這一實(shí)例驗(yàn)證圖像檢測(cè)方法準(zhǔn)確性和可行性。

關(guān)鍵詞： 高精密微小零件； 尺寸； 圖像校對(duì)； 非接觸性測(cè)量

中圖分類(lèi)號(hào)： TN919?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）06?0110?04

Research and analysis of image proofreading method for size rationality of

high?precision miniature parts

WEI Xing， ZHOU Yulong， ZHOU You

（College of Information Engineering， Nanjing Normal University Taizhou College， Taizhou 225300， China）

Abstract： With the rapid development of image processing technology， the image measurement method has the advantages of non?contact， rich information quantity， large dynamic range， etc， and becomes the common means to automatically measure the size of easy deformation parts， and hole center distance of parts. The CCD image based size detection system for high?precision miniature parts is introduced in detail. The non?contact measurement method to detect miniature part sizes by means of digital image technology is put forward. The precise parameter values of the detected object are obtained by image acquisition， binarization， edge detection and software design. The accuracy and feasibility of the image detection method were verified by an instance detecting the center hole diameter of a micro gear

Keywords： high?precision miniature part； size； image proofreading； non?contact measurement

0 引 言

圖像測(cè)量技術(shù)是近些年快速發(fā)展的新型測(cè)量技術(shù)，該技術(shù)是集合光學(xué)、計(jì)算機(jī)技術(shù)、圖像處理技術(shù)等科學(xué)技術(shù)為一體的檢測(cè)方式，通過(guò)合理處理被檢測(cè)物體圖像邊緣獲取物體集合參數(shù)，確保光、機(jī)、電、計(jì)算機(jī)技術(shù)有機(jī)結(jié)合[1]。文中介紹了基于CCD圖像傳感器的測(cè)量系統(tǒng)，設(shè)計(jì)借助數(shù)字圖像處理技術(shù)實(shí)施非接觸式尺寸檢測(cè)方法，從而實(shí)現(xiàn)對(duì)微小零件孔心距、直徑等自動(dòng)測(cè)量效果。

1 高精密微小零件測(cè)量原理及結(jié)構(gòu)

微小零件尺寸測(cè)量系統(tǒng)主要包括光學(xué)顯微鏡、CCD攝像機(jī)、照明系統(tǒng)等設(shè)備。其結(jié)構(gòu)如圖1所示。微小零件尺寸工作原理如下：照明系統(tǒng)發(fā)射的平行光線促使被測(cè)試物體產(chǎn)生相應(yīng)的陰影輪廓，采用光學(xué)顯微鏡放大在CCD攝像機(jī)上成像[2]。

圖1 高精密微小零件尺寸測(cè)量結(jié)構(gòu)簡(jiǎn)圖

CCD把所接收的圖像信號(hào)轉(zhuǎn)變?yōu)殡姾尚盘?hào)，由數(shù)字接口卡存儲(chǔ)在計(jì)算機(jī)內(nèi)存系統(tǒng)中，借助計(jì)算機(jī)軟件對(duì)收集的圖像展開(kāi)處理、存儲(chǔ)等操作，同時(shí)準(zhǔn)確計(jì)算微小零件的尺寸。

由于被檢測(cè)物體屬于薄板類(lèi)零件，未獲取最佳的照明效果，并適時(shí)提升被檢測(cè)圖像的對(duì)比度，從而提升圖像處理邊緣提取進(jìn)度。該系統(tǒng)使用背光平行照明，有助于提取被檢測(cè)物體的有效輪廓，提升圖像測(cè)量準(zhǔn)確度和精度。

2 微小零件缺陷檢測(cè)系統(tǒng)設(shè)計(jì)方案

計(jì)算機(jī)視覺(jué)就是采用人眼進(jìn)行檢測(cè)，只是其將人的每個(gè)器官采用機(jī)器代替而已。以鏡頭替代人眼，圖像傳感器芯片替代視網(wǎng)膜，計(jì)算機(jī)或相機(jī)的圖像單元替代大腦，算法軟件替代有關(guān)的判斷知識(shí)，其總和能形成設(shè)定的視覺(jué)檢測(cè)任務(wù)的檢測(cè)系統(tǒng)。微小零件表面缺陷檢測(cè)系統(tǒng)分為光學(xué)照明系統(tǒng)、機(jī)械傳輸系統(tǒng)、圖像采集、處理系統(tǒng)，光學(xué)照明系統(tǒng)主要由光源、鏡頭兩個(gè)部分組成，圖像采集系統(tǒng)包含CCD攝像機(jī)、圖像采集卡[3]。上述系統(tǒng)對(duì)收集的圖像展開(kāi)合理的處理，對(duì)存在缺陷的零件進(jìn)行定位，并展開(kāi)合理的分類(lèi)。其技術(shù)標(biāo)準(zhǔn)如下：微小零件的表面缺陷識(shí)別精度大于[±10 μm]；誤檢率不得大于5%。系統(tǒng)的多個(gè)部分選擇對(duì)檢測(cè)結(jié)果發(fā)揮著重要作用，因此，在選定鏡頭、CCD攝像機(jī)、圖像采集卡上必須嚴(yán)格按照原先設(shè)定的標(biāo)準(zhǔn)合理選擇。

2.1 選擇合理的鏡頭

光線進(jìn)入攝像機(jī)必須通過(guò)鏡頭，因此，選擇合理的鏡頭成為首要考慮對(duì)象。本設(shè)計(jì)中，被檢測(cè)零件的生產(chǎn)線是由單個(gè)通過(guò)，每一次檢測(cè)必須完成某個(gè)零件測(cè)量即可。為達(dá)到微小零件檢測(cè)要求，鏡頭的視場(chǎng)設(shè)計(jì)的直徑大于10 mm，零件表面斑點(diǎn)大小控制在0.1 mm。如果設(shè)計(jì)的系統(tǒng)使用768×576標(biāo)準(zhǔn)攝像機(jī)，相機(jī)的分辨率為0.017 mm/pixel，從而能正確區(qū)分各類(lèi)斑點(diǎn)情況[4]。本研究使用CV?A50IR相機(jī)，該型號(hào)的相機(jī)體積絞線，設(shè)置[12]寸CCD芯片，其幀速率設(shè)定為30 f/s，信噪比為60 dB。借助RS 232C接口能夠完成對(duì)相機(jī)的各項(xiàng)設(shè)置，該相機(jī)不僅可以感知可見(jiàn)光，還能接收相應(yīng)的紅外光。該相機(jī)使用SWIR?25鏡頭，這種鏡頭能夠設(shè)置在1寸感光芯片相機(jī)內(nèi)運(yùn)用。

2.2 照明方式

因微小零件有其相應(yīng)的特殊性，本研究采用最常用的環(huán)形光，環(huán)形照明不單單可以直接照明背側(cè)物體，將其安裝在鏡頭上為鏡頭周?chē)峁┚鶆虻墓饩€，占用極小的空間，比較適用于不能發(fā)生鏡面發(fā)射物體上，這種光源可以加強(qiáng)物體陰暗部位對(duì)比情況。攝像頭及時(shí)采集微小零件發(fā)射的光獲得相應(yīng)的表面圖像，本文檢測(cè)系統(tǒng)使用高亮度LED冷光源，這種光源由320粒發(fā)光二極管密集組合而成，其最大直徑控制在55 mm照射范圍之中，光強(qiáng)均勻分布。

2.3 CCD攝像機(jī)

本設(shè)計(jì)使用的圖像采集工具為CCD攝像機(jī)，該相機(jī)能夠?qū)⑹占膱D像轉(zhuǎn)變?yōu)殡娔X可以識(shí)別的數(shù)字信號(hào)。CCD相機(jī)上部配備大量對(duì)光照較敏感的元件，上述小的光感元件稱(chēng)作像素。CCD相機(jī)工作原理為：如果CCD相機(jī)收集相應(yīng)的圖像傳輸信號(hào)，能夠自動(dòng)識(shí)別并轉(zhuǎn)換成為數(shù)字信號(hào)，并傳輸至電腦系統(tǒng)展開(kāi)合理的處理[5]。傳輸信號(hào)過(guò)程中電容、信噪比、分辨率等因素影響傳輸圖像的質(zhì)量，在此微小零件缺陷檢測(cè)CCD相機(jī)設(shè)置的參數(shù)如表1所示。

表1 CCD相機(jī)各項(xiàng)參數(shù)值

2.4 圖像處理操作

數(shù)字圖像處理就是把圖像信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)，借助計(jì)算機(jī)對(duì)其展開(kāi)合理處理的過(guò)程。圖像處理軟件主要包含圖像采集、預(yù)處理、二值化處理、參數(shù)顯示及輸出等。

2.4.1 圖像預(yù)處理操作

對(duì)圖像進(jìn)行預(yù)處理采用平滑處理措施，從而有效減少噪聲。因均值濾波平滑功能會(huì)導(dǎo)致圖像邊緣逐漸模糊，其中值濾波不僅可以除去脈沖噪聲，也有效除去圖像線條細(xì)節(jié)[6]。本次設(shè)計(jì)使用邊緣保持濾波器，其具體計(jì)算過(guò)程如下：

根據(jù)每個(gè)灰度圖像的像素點(diǎn)[i，j]斷定合理帶下的鄰域（例如：3×3鄰域），依次求解[i，j]左上角、左下角鄰域，右上角或右下角鄰域灰度分布均勻度V，隨之選定最小均勻?qū)?yīng)區(qū)域的均質(zhì)當(dāng)作本像素點(diǎn)新灰度值。新灰度均勻度計(jì)算公式如下：

[V=f2i，j-fi，j2N]

2.4.2 圖像二值化

本文使用邊緣提取算法借助灰度圖像分割法，把目標(biāo)圖像分割成為目標(biāo)、背景，為便于處理圖像，可以把灰度圖像轉(zhuǎn)換成為二值圖像。通常情況下，圖像主要由物體、背景、噪聲三部分組合而成，為便于分離物體及圖像區(qū)域分離，必須對(duì)圖像實(shí)施分割處理[7]。

本次測(cè)量過(guò)程中，因圖像只有一個(gè)物體，物體與背景兩者間的對(duì)比度極大。假設(shè)圖像內(nèi)感興趣像素點(diǎn)灰度呈現(xiàn)正態(tài)分布狀態(tài)，其密度用P1（x）表示，方差數(shù)值分別使用[μ1，σ12]。假定背景點(diǎn)灰度呈現(xiàn)正態(tài)分布，其密度用[P2（x）]表示，均值、方差分布采用[μ2，σ22]。假設(shè)目標(biāo)像點(diǎn)數(shù)占據(jù)整個(gè)圖像總點(diǎn)數(shù)的百分比為Q，背景點(diǎn)為（1-Q），其混合概率密度計(jì)算公式如下：

[P（X）=QP1（x）+（1-Q）P2（x） =Q2πσ1exp-（x-μ1）22σ12+1-Q2πσ2exp-（x-μ2）22σ22]

如果設(shè)定的門(mén)限為T(mén)值，目標(biāo)點(diǎn)錯(cuò)劃成為背景點(diǎn)的密度計(jì)算公式如下：

[E1（T）=fxP1（x）dx]

將背景點(diǎn)錯(cuò)劃成為目標(biāo)的概率如下：

[E2（T）=-∞TP2（x）dx]

總的錯(cuò)誤概率計(jì)算公式為：

[E（T）=QE1（T）+（1-Q）E2（T）]

若令[?E（T）?T=0，得出-QP1（T）+（1-Q）P2（T）=0。]由此得出：

[InQσ2（1-Q）σ1-（T-μ1）22σ12=（T-μ2）22σ22]

當(dāng)[σ12=σ22=σ2，]得到：

[T=μ1+μ22+σ2μ2-μ1InQ1-Q]

2.5 圖像邊緣檢測(cè)

傳統(tǒng)圖像邊緣檢測(cè)方法主要借助特定算子（Roberts算子、Sobel算子等）粗略計(jì)算圖像的邊緣，隨之設(shè)定合理的閾值獲取圖像輪廓，如此圖像輪廓會(huì)受到閾值大小的影響[8]。文中使用灰度圖像提取邊緣點(diǎn)，使用滑動(dòng)平均梯度邊緣檢測(cè)方法，具體計(jì)算公式如下：

[DxN（i，j）=1Mf（i，f）+f（i+1，f）+f（i+M-1，f）- f（i-1，j）-f（i-2，j）-…-f（i-M，f）]

式中：[f（i，j）]表示像素點(diǎn)；[（x，y）]為灰度值；M=1，2，4，…，2n（n表示正整數(shù)）。

[PxM（i，j）=Dx1（i，j）Dx2（i，j）…DxM（i，j）]

式中：[PxM（i，j）]能準(zhǔn)確反映（i，j）點(diǎn)沿著x方向的灰度變化率，并在一定程度抑制噪聲干擾，如果M值越大，抑制噪聲能力更強(qiáng)。

2.6 微小零件缺陷系統(tǒng)設(shè)計(jì)的軟件系統(tǒng)

本文的微小零件缺陷檢測(cè)系統(tǒng)軟件系統(tǒng)主要由圖像采集、處理缺陷識(shí)別和數(shù)據(jù)存檔等部分組成。傳感器判定是否有工件通過(guò)，如果沒(méi)有工件通過(guò)，該軟件系統(tǒng)處在等待狀態(tài)。如果傳感器有工件通過(guò)，圖像采集系統(tǒng)會(huì)依據(jù)自身需求合理使用圖像采集卡下層函數(shù)，預(yù)先設(shè)定準(zhǔn)備好的采集通道及模式，最終把CCD收集的零件表面圖像數(shù)據(jù)直接傳遞給計(jì)算機(jī)處理系統(tǒng)。此時(shí)，圖像處理系統(tǒng)會(huì)將CCD傳輸獲取的圖像數(shù)據(jù)展開(kāi)相應(yīng)的處理，計(jì)算機(jī)會(huì)預(yù)先設(shè)定所有企業(yè)使用的標(biāo)準(zhǔn)比數(shù)據(jù)，圖像處理系統(tǒng)依據(jù)上述數(shù)據(jù)對(duì)零件圖像展開(kāi)合理的判斷處理。

系統(tǒng)運(yùn)行過(guò)程中通過(guò)操作窗口除去光圈靈敏度系數(shù)及缺陷檢測(cè)系數(shù)，從而進(jìn)入正常的工作運(yùn)行狀態(tài)，系統(tǒng)運(yùn)行過(guò)程中通過(guò)外接硬件合理控制信號(hào)，軟件系統(tǒng)如圖2所示。

圖2 微小零件軟件系統(tǒng)框架簡(jiǎn)圖

3 檢測(cè)實(shí)例及結(jié)果

3.1 微小齒輪測(cè)量試驗(yàn)

本次研究對(duì)一個(gè)微小齒輪（m=0.2，Z=30）中心孔直徑展開(kāi)測(cè)量。首先通過(guò)圖像灰度圖分布情況獲取該圖像灰度閾值，并依據(jù)閾值把對(duì)像實(shí)施二值化處理，隨之采用形態(tài)學(xué)運(yùn)算測(cè)試圖像邊緣，獲得相應(yīng)的圖像曲線，最后依據(jù)Hough變換獲取被檢測(cè)孔的半徑及圓心，檢測(cè)實(shí)例如圖3所示。

圖3 測(cè)量微小齒輪實(shí)例圖

3.2 分析檢測(cè)結(jié)果

為了對(duì)比CCD相機(jī)測(cè)量方法與直接采用顯微鏡測(cè)量結(jié)果，使用兩種方法對(duì)微小齒輪的中心孔依次測(cè)量10次，表2為兩種方法測(cè)量結(jié)果。

由表2可知，通過(guò)10次測(cè)量，采用顯微鏡檢測(cè)中心孔之間平均值d1=3.501 9 mm，方差為0.000 029 37，均值為0.005 05；使用CCD測(cè)量其中心孔直徑平均值d2=3.502 84 mm，方差=0.000 019 716 2，均差為0.003 939。

3.3 分析系統(tǒng)測(cè)量精度

本次設(shè)計(jì)設(shè)定的CCD像素個(gè)數(shù)為1 392×1 040，其成像面積控制在8.979 mm×6.709 mm，微型齒輪的尺寸小于10 mm×10 mm。因圖像無(wú)法充滿整個(gè)圖像區(qū)域，每一個(gè)像素相對(duì)應(yīng)的齒輪面積最大控制為0.1×10-3 mm2，微型零件的尺寸誤差通?？刂圃趲讉€(gè)微米，因此，對(duì)于檢測(cè)微型零件尺寸誤差而言精度不足，必須借助放大的措施提升被檢測(cè)物體的精度值。

表2 比較CCD與顯微鏡檢測(cè)結(jié)果 mm

4 結(jié) 語(yǔ)

總之，基于圖像處理的微小零件尺寸測(cè)量與計(jì)算機(jī)數(shù)據(jù)處理能力的合理集合，該檢測(cè)系統(tǒng)具有精度高、測(cè)量速度快的優(yōu)點(diǎn)，成為傳統(tǒng)檢測(cè)儀器升級(jí)換代的檢測(cè)產(chǎn)品，具有極高的應(yīng)用和推廣價(jià)值。

參考文獻(xiàn)

[1] 趙徹，徐熙平.圖像處理技術(shù)在微小尺寸自動(dòng)測(cè)量中的應(yīng)用[J].電子測(cè)試，2014（7）：110?111.

[2] 祁磊，任明武.基于紙幣透射圖像的新舊檢測(cè)[J].現(xiàn)代電子技術(shù)，2015，38（6）：101?104.

[3] 李勇，胡瑞欽.微小孔尺寸形狀的脫模與圖像測(cè)量[J].納米技術(shù)與精密工程，2013，11（4）：341?347.

[4] 劉凌云，羅敏，方凱，等.基于圖像拼接的尺寸精密檢測(cè)算法研究[J].制造技術(shù)與機(jī)床，2012，17（11）：106?110.

[5] 王健全，田欣利，張保國(guó)，等.微小曲率半徑的圖像處理測(cè)量方法[J].裝甲兵工程學(xué)院學(xué)報(bào)，2012，26（3）：84?87.

[6] 祁曉玲，趙霞霞，靳伍銀，等.基于機(jī)器視覺(jué)的軸類(lèi)零件幾何尺寸測(cè)量[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2013，9（1）：65?67.

[7] 劉斌，沈康，魏兆超，等.基于線結(jié)構(gòu)光視覺(jué)技術(shù)的微小直徑高精度測(cè)量系統(tǒng)[J].儀器儀表學(xué)報(bào)，2014，11（z2）：126?129.

[8] 李丹，張?chǎng)?改進(jìn)小波閾值去噪在PCB圖像檢測(cè)中的應(yīng)用研究[J].現(xiàn)代電子技術(shù)，2014，37（2）：34?37.